資訊專欄INFORMATION COLUMN
摘要：醫(yī)學圖像分析主要包含的模式識別任務是檢測定位分割配準分類。面臨挑戰(zhàn)作者簡述了深度學習用于醫(yī)學圖像分析面臨的挑戰(zhàn)，主要有缺少較精確的標注數(shù)據(jù)。關注能對醫(yī)學圖像分析帶來啟發(fā)的其他計算機視覺機器學習領域的新工作。
今天arXiv新上一篇論文《Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future Directions》，來自澳大利亞埃迪斯科文大學的研究人員綜述了深度學習在醫(yī)學圖像分析領域應用的概念、最近出現(xiàn)的常用方法、數(shù)據(jù)集、面臨挑戰(zhàn)和可能的未來方向
其參考了近幾年三百多篇文獻，值得醫(yī)學影像處理領域的學者與工程技術人員參考。
深度學習基礎
該論文首先從深度學習的基礎概念介紹，介紹了該領域的常用方法，包括深度學習網(wǎng)絡架構、神經(jīng)元概念、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等。
深度神經(jīng)網(wǎng)絡架構，包含輸入層、輸出層，與多個隱含層。
單個神經(jīng)元數(shù)學計算模型示例：
卷積操作示例：
網(wǎng)絡中卷積層計算圖示：
RNN模型圖示：
技術分類與文獻索引
作者按照醫(yī)學圖像分析的技術方向和應用場景（使用的數(shù)據(jù)集）歸納成下圖。
醫(yī)學圖像分析主要包含的模式識別任務是檢測/定位、分割、配準、分類。常見的醫(yī)學影像包括Brain、Breast、Eye、Chest、Abdomen等。
作者將2016、2017年新出的文獻按照谷歌學術的索引排序，列出了每個技術領域具有影響力的文章。（因2018年剛過，數(shù)據(jù)還不完整，所以不包含2018年的論文）
這些文獻在本文以索引出現(xiàn)，想要進一步了解的同學可以文末下載原論文參考。
檢測/定位方向的高引文獻：
分割方向的高引文獻：
配準方向的高引文獻：
分類方向的高引文獻：
數(shù)據(jù)集
醫(yī)學影像的數(shù)據(jù)往往比較難以獲取，數(shù)據(jù)規(guī)模也比較小。
作者將該領域常用數(shù)據(jù)集總結列表如下：
下載網(wǎng)址及方法請參考原論文。
面臨挑戰(zhàn)
作者簡述了深度學習用于醫(yī)學圖像分析面臨的挑戰(zhàn)，主要有：
1.缺少較精確的標注數(shù)據(jù)。醫(yī)學領域?qū)俗⒌囊蟾摺?/p>
2.樣本不平衡。正負樣本往往數(shù)量差異較大。
3.預測結果置信度信息缺失。醫(yī)學領域?qū)δＰ涂山忉屝缘囊蟾摺?/p>
未來方向
1.處理小數(shù)據(jù)問題。一些有用的技術包括使用遷移學習、數(shù)據(jù)增廣、GAN樣本生成。
2.結合更多數(shù)據(jù)來源。醫(yī)學領域往往不僅僅依靠圖像來診斷，結合病歷資料的多模態(tài)學習也值得關注。
3.關注其他領域的工作。關注能對醫(yī)學圖像分析帶來啟發(fā)的其他計算機視覺、機器學習領域的新工作。
論文地址：
https://arxiv.org/abs/1902.05655v1
聲明：文章收集于網(wǎng)絡，如有侵權，請聯(lián)系小編及時處理，謝謝！
歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報表系統(tǒng)等全方位知識
QQ群：81035754
文章版權歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/4852.html
摘要：摘要背景深度學習是一種表示學習方法，非常適合用來處理數(shù)字病理學中的圖像分析問題。優(yōu)質(zhì)的注釋樣本是深度學習重要的先決條件，但是處理數(shù)字病理學中最大的挑戰(zhàn)就是獲取高質(zhì)量的注釋樣本。本文使用的深度學習主要由四個模塊組成。 Deep learning for digital pathology image analysis: A comprehensive tutorial with sele...
摘要：這也是很多大廠都在研發(fā)的原因深度超分辨率層次結構該文作者總結了一張非常棒的圖，可以盡覽深度學習超分辨率的方方面面作者介紹了深度學習圖像超分辨的監(jiān)督學習方法，從模型框架上采樣方法網(wǎng)絡設計方法網(wǎng)絡學習策略和可能的改進策略進行了細致總結。 今日arXiv新上論文《Deep Learning for Image Super-resolution:A Survey》，詳細回顧了近年來基于深度學習的圖像...
摘要：淋巴細胞是白細胞的一個亞種，在免疫系統(tǒng)中很重要?；疾』蛴挟愇锏膮^(qū)域淋巴細胞數(shù)量會極大增加，所以通過確認和定量淋巴細胞的密度和位置有助于評估疾病。本節(jié)目標是確定淋巴細胞的中心，是一個檢測任務。常見的假陽性和真實正例見圖。 Deep learning for digital pathology image analysis: A comprehensive tutorial with se...
摘要：大數(shù)據(jù)人工智能分析技術使得醫(yī)學影像診斷軟硬件變得更智能化。通過已訓練好的卷積神經(jīng)網(wǎng)絡，能很快地搭建并訓練自己的深度學習系統(tǒng)。目前，典型的卷積神經(jīng)網(wǎng)絡是一個多層的可訓練的體系結構。使用平均值操作的池化層被稱之為平均池化層。 來自 GitChat 作者：王曉明更多IT技術分享，盡在微信公眾號：GitChat技術雜談 進入 GitChat 閱讀原文 前言 醫(yī)學影像與人工智能的結合，是數(shù)字醫(yī)療...
閱讀 2608·2023-04-25 14:54
閱讀 676·2021-11-24 09:39
閱讀 1883·2021-10-26 09:51
閱讀 4010·2021-08-21 14:10
閱讀 3563·2021-08-19 11:13
閱讀 2755·2019-08-30 14:23
閱讀 1882·2019-08-29 16:28
閱讀 3416·2019-08-23 13:45
